FINRA تضع هلوسات الذكاء الاصطناعي على الطاولة: ما الذي يتعيّن على فرق التمويل الخاضعة للتنظيم فعله حيال الأرقام المُلفّقة

في التاسع من ديسمبر 2025، نشرت FINRA تقريرها السنوي للرقابة التنظيمية لعام 2026. وبين نحو 90 صفحة من الأولويات، ثمة تعريف واحد بات الآن على مكتب كل مسؤول امتثال في أي شركة عضو: الهلوسة هي أن يُنتج النموذج “معلومات غير دقيقة أو مُضلِّلة، ومع ذلك تُقدَّم على أنها معلومات واقعية.” وضربت الجهة التنظيمية أمثلة على ذلك. أرقام مهلوَسة. مراجع تنظيمية مُلفّقة. ملخّصات غير دقيقة لبيانات العملاء. وهذه ليست فرضيات اخترعها مورّد ما لبيع برمجيات الحوكمة. بل هي أنماط الإخفاق المحدّدة التي قرّرت منظمة تنظيم ذاتي أن تُسجّلها كتابةً.

إن كنت تدير التمويل أو الامتثال في وسيط–تاجر (broker-dealer)، فإن هذا يغيّر معادلة الذكاء الاصطناعي بالنسبة لك. لم يعد السؤال هو ما إذا كان نموذجك يختلق رقماً بين الحين والآخر. السؤال الآن هو ما إذا كان بإمكانك أن تُثبت، عند الطلب، أن الرقم الذي وضعه ممثل مُسجَّل أو محلّل أمام عميل يعود في أصله إلى مصدر حقيقي.

ما قالته FINRA فعلاً، وما لم تقله

لنبدأ بالحدود، لأنها مهمة. لم تكتب FINRA قاعدة جديدة. تقرير 2026، شأنه شأن الإشعار التنظيمي 24-09 من قبله، يستند إلى مبدأ تكرّره FINRA كثيراً: قواعدها القائمة “محايدة تجاه التقنية.” فرقم أرباح مهلوَس في ملخّص عميل صاغه الذكاء الاصطناعي يخضع لذات قواعد الإشراف والمراسلات التي طُبّقت دائماً. الأداة جديدة. أما الالتزام فلا.

وهذا المبدأ أمضى أثراً من أي قاعدة جديدة. القاعدة 3110 تتطلّب نظام إشراف “مُصمَّماً تصميماً معقولاً” لتحقيق الامتثال لقوانين الأوراق المالية. وجوهر تأطير تقرير 2026 هو أن عبارة “مُصمَّم تصميماً معقولاً” بات لزاماً عليها أن تأخذ في الحسبان المخاطر المعروفة للأدوات التي تختار الشركة نشرها. والهلوسة، باعتراف FINRA نفسها، خطر معروف. ومن ثمّ فإن نظام إشراف يُرسل مخرجات الذكاء الاصطناعي إلى العملاء دون ضابط يلتقط الأرقام المُلفّقة هو، بالتبعية، أصعب في الدفاع عنه بوصفه معقولاً.

توقّعات التقرير ملموسة: على الشركات أن تُقيّم التزامات الامتثال لديها قبل نشر الذكاء الاصطناعي التوليدي، وأن تبني حوكمة للإشراف على استخدامه، وأن تُبقي عنصراً بشرياً مؤهَّلاً يراجع المحتوى المُولَّد بالذكاء الاصطناعي المُستخدَم في التعامل مع العملاء أو التحليل المالي أو أغراض الامتثال. وجود عنصر بشري في الحلقة (human-in-the-loop) هو إجراء التخفيف الأبرز. وسنعود لاحقاً إلى السبب الذي يجعل هذا، وحده، غير كافٍ.

لماذا يفشل “دع إنساناً يراجعه” بصمت

أن تطلب من مراجع أن يلتقط الهلوسات هو وصف للمهمة، لا حلّ لها. فالمراجع يقرأ نصاً نثرياً. والنص سلِس وواثق. الرقم المُلفّق يبدو تماماً كالرقم الصحيح، وهذه هي المشكلة برمّتها مع هذا النوع من الأخطاء. لا خطأ إملائي، ولا جملة مكسورة، ولا علامة تحذير حمراء. رقم إيرادات تنحرف قيمته بنسبة 8% يُقرأ بصورة مطابقة تماماً لرقم دقيق.

ولذلك يلجأ المراجع إلى الفحص العشوائي، والفحص العشوائي رديء في التوسّع. قد تحتوي حزمة المراجعة الشهرية للعميل على أربعين رقماً موزّعة على عشرات الحسابات. والتحقق من كل رقم يدوياً مقارنةً بالمصدر يعني إعادة فتح كشوف الحفظ والدفاتر والإيداعات السابقة، وهو معظم العمل الذي كان يُفترض بالذكاء الاصطناعي أن يزيله. وفي الواقع، تنحدر المراجعة إلى اختبار حدسي سريع. هل يبدو هذا صحيحاً تقريباً؟ هذا يُرضي خانة سجلّ التدقيق ولا يلتقط شيئاً يُذكر.

المشكلة الأعمق هي في مصدر الرقم. حين “يقرأ” نموذج لغوي تقرير 10-K أو كشف حساب وساطة ويُبلِّغ عن رقم، فهو يُولّد نصاً مُرجَّحاً إحصائياً بالنظر إلى المستند، لا يستردّ قيمةً من سجل مُهيكَل. وفي معظم الأحيان يطابق النص المُرجَّح الرقم الحقيقي. وأحياناً لا يطابقه، ولا شيء في المخرجات يُشير إلى أيّ الحالتين أنت فيها. لا يستطيع مراجع أن يُشرف على عملية إخفاقاتها خفيّة بحكم التصميم.

الضابط الذي يستلزمه تأطير FINRA فعلاً

اقرأ تقرير 2026 بعقل مهندس لا محامٍ، وستجده يشير إلى موضع محدّد: يجب أن تكون المخرجات قابلة للتتبّع، وأن تكون الحسابات موثوقة. ليس “مراجَعة.” بل قابلة للتتبّع. كل رقم أمام العميل ينبغي أن يحمل مساراً يعود إلى مستند مصدري أو قيد دفتري، وأي رقم مُشتقّ بالحساب ينبغي أن ينبع من عملية يمكنك إعادة تشغيلها لتحصل على الإجابة ذاتها.

هذا هو الفرق بين أن تطلب من النموذج أن يكون مُصيباً، وبين أن تبني نظاماً لا يستطيع عرض رقم عاجز عن تحديد مصدره. وهما ليسا المسألة الهندسية نفسها، وواحد فقط منهما يصمد أمام التفتيش.

وعلى هذا الخط بُني Rexfin. طبقة النمذجة المالية الموثوقة للذكاء الاصطناعي لا تطلب من النموذج اللغوي أن يكون مصدر الحقيقة. بل تتصل بحيث تقيم الأرقام فعلاً (QuickBooks أو Xero أو NetSuite أو Sage أو مستودع البيانات أو الكشوف المرفوعة) وتبني نموذجاً مالياً واحداً مُسوّى يتطابق مع الدفتر. ثم يستردّ الذكاء الاصطناعي الأرقام من ذلك النموذج بدلاً من توليدها من ملف PDF. وحين يلزم حساب (هامش أو معدّل نمو أو نسبة) فإنه يجري عبر محرّك حتمي، لا عبر النموذج اللغوي. النموذج يُنسّق ويشرح. وهو لا يقوم بالعمليات الحسابية، ولا يختلق المُدخلات.

العائد على صعيد الامتثال هو الجزء الذي يهمّ بالنسبة لـ FINRA. كل رقم يعود إلى مصدره. أعد طرح السؤال نفسه في الربع المقبل وستحصل على الرقم ذاته، لأن محرّكاً حتمياً هو من أنتجه. وحين يسأل المفتّش من أين جاءت قيمة ما، يكون الجواب اقتباساً موثَّقاً، لا هزّة كتف. وهذه هي الطريقة التي تحوّل بها المنصة مخرجات الذكاء الاصطناعي إلى شيء يمكنك الدفاع عنه فعلاً.

اعتراف، لأنه مُستحَقّ

لا شيء من هذا يجعل الذكاء الاصطناعي معصوماً، وأي مورّد يخبرك بأنه كذلك هو من ينبغي ألا تثق به. النموذج المُسوّى ليس أفضل من التسوية ذاتها. وقد تكون بيانات المصدر خاطئة قبل أن يلمسها أي ذكاء اصطناعي. المحرّك الحتمي يحسب بالضبط ما تُمليه عليه، بما في ذلك صيغة معيبة، وبثبات تامّ. وتتبّع رقم إلى مصدره يُثبت المنشأ، لا الصحّة: فالقيد الأساسي قد يظلّ خطأً.

ما يتغيّر هو فئة الخطر التي تبقى في عهدتك. تنتقل من “ربما اختلق الذكاء الاصطناعي هذا ولن نعرف أبداً” إلى “هذا الرقم جاء من مصدر محدّد عبر حساب معروف.” الأولى لا يمكن الدفاع عنها في التفتيش. والثانية هي العمل الاعتيادي للتمويل: قابل للتحقق، وقابل للتدقيق، ومن النوع الذي يمكن تصميم نظام إشراف حوله تصميماً معقولاً.

الخلاصة

وضعت FINRA الأرقام المُلفّقة في تقرير تنظيمي. وهذا يُلغي خيار التعامل مع الهلوسة كنزوة محتمَلة، ويُعيد تأطيرها بوصفها إخفاقاً في الإشراف ينتظر تفتيشاً. الشركات التي ستجتاز هذا بنجاح لن تكون تلك التي تملك أصرم مذكّرة بعنوان “يُرجى التحقّق المزدوج من الذكاء الاصطناعي.” بل ستكون تلك التي يعجز ذكاؤها الاصطناعي بنيوياً عن عرض رقم لا يستطيع تتبّعه، والتي تجري حساباتها عبر محرّك يعيد الإجابة ذاتها في كل مرّة.

إن كنت تفضّل أن تُري المفتّش اقتباساً موثَّقاً على أن تشرح له تخميناً، احجز عرضاً توضيحياً وسنستعرض معك كيف يصمد النموذج القابل للتتبّع أمام هذا التدقيق بعينه.

لمزيد عن كيفية تسلّل هذه الأخطاء، راجع المقال المحوري عن هلوسات الذكاء الاصطناعي في البيانات المالية، أو الحالتين المحدّدتين عن لماذا يُسيء الذكاء الاصطناعي قراءة تقرير 10-K لديك وقائمة التحقق الواجب تنفيذها قبل أن تصل أرقام الذكاء الاصطناعي إلى عرض مجلس الإدارة.